Deep LDR2HDR: 단일 노출 영상의 손실된 동적 영역 복원
Deep LDR2HDR: In Search of Lost Dynamic Range
- 주제(키워드) 높은 동적 영역 영상 생성 , 역 톤 매핑 , 심층 신경망 , 영상 화질 복원 , 영상 변환 , High dynamic range imaging , inverse tone mapping , deep neural network , image restoration , image translation
- 발행기관 서강대학교 일반대학원
- 지도교수 강석주
- 발행년도 2019
- 학위수여년월 2019. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000063796
- UCI I804:11029-000000063796
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문은 표준 카메라를 통해 촬영된 단일 노출 값을 가지는 낮은 동적 영역(Low Dynamic Range; LDR) 영상으로부터 높은 동적 영역(High Dynamic Range; HDR) 영상으로 변환하는 심층 신경망(Deep Neural Network; DNN) 기반의 높은 동적 영역 영상 생성(High Dynamic Range Imaging; HDRI) 기법들에 대하여 소개한다. 제안하는 방법들은 LDR 영상으로부터 HDR 영상을 직접적으로 생성하는 것이 아니라 전통적인 HDR pipeline에서 필요한 다중 노출 영상 스택을 신경망 구조를 통해 추정하고 이 들을 합성시키는 방법을 통하여 HDR 영상을 획득하는 간접적 방법이다. 제안하는 신경망 구조는 임의의 LDR 영상에 대해서 동적 영역의 확장이 가능하며, 응용 따라 사용자가 동적 영역에 맞게 필요한 영상의 수를 결정할 수 있다는 장점을 가진다. 본 논문에서는 적정 노출을 가지는 영상으로부터 순차적으로 노출 정도를 증가시켜 나가는 사슬 구조의 신경망 구조와 이를 확장시킨 영상의 노출을 증가/감소시키는 stop-up/stop-down network를 제안하였다. 또한, 해당 신경망들이 생성하는 영상의 품질을 개선시키기 위한 conditional generative adversarial network 기반의 오차와 두 신경망의 순환 일관성을 유지하면서 학습시키는 기법을 통한 향상에 대한 연구를 포함하고 있다. 실험 결과를 통해, 제안하는 방법으로 생성한 HDR 영상이 기존 방법 대비 가장 높은 high dynamic range visible difference predictor 2 수치를 가졌으며, 수치적/인지적으로 참조 톤 맵 HDR 영상과 가장 유사한 영상을 생성함을 확인 할 수 있다.
more